El Impacto de la Inteligencia Artificial en el Diagnóstico Hospitalario: Aplicaciones, Retos y Beneficios en la Gestión Clínica

<p dir="ltr">[ES] Trabajo Fin de Máster (TFM) Dirección Sanitaria y Gestión Clínica (VIU, curso 2024–2025). El proyecto diseña y pilota la integración de inteligencia artificial (IA) en el Hospital Universitario de La Princesa (Madrid) con dos ejes: (1) diagnóstico asistido por IA en TAC torácica mediante redes neuronales convolucionales para la detección precoz de nódulos pulmonares; y (2) optimización de la citación con modelos predictivos para reducir incomparecencias y mejorar la ocupación de agendas. El diseño se apoya en el Modelo EFQM 2025, la metodología REDER y principios de Lean Healthcare. Se definen KPIs: sensibilidad ≥95% y reducción del tiempo diagnóstico de 7→4 días (radiología); incomparecencias 15%→<8% y ocupación >90% (citación). Incluye análisis PESTEL y DAFO, plan formativo (600 profesionales), cronograma a 24 meses, gobernanza ético-legal (RGPD/LOPDGDD) y requisitos de interoperabilidad HIS/PACS (HL7 FHIR). El trabajo propone una hoja de ruta replicable y un cuadro de mando integral para monitorizar valor clínico, operativo y de experiencia del paciente. Fecha de defensa/aprobación: 13/05/2025. DOI: (añádelo cuando lo tengas en Zenodo).</p><p><br></p><p dir="ltr">[EN] Tesis de Máster (TFM), Máster en Gestión Sanitaria y Gobernanza Clínica (VIU, año 2024–2025). El proyecto diseña y pilota la integración de inteligencia artificial (IA) en el Hospital Universitario de La Princesa (Madrid) siguiendo dos ejes: (1) tomografía torácica (TC) asistida por IA utilizando redes neuronales convolucionales para la detección temprana de nódulos pulmonares; y (2) optimización de la programación de citas con modelos predictivos para reducir las ausencias y mejorar la ocupación del horario de la clínica. El diseño se basa en el modelo EFQM 2025, el ciclo REDER y los principios de Lean Healthcare. Los KPIs definidos incluyen: sensibilidad ≥95% y reducción del tiempo de respuesta diagnóstica de 7→4 días (radiología); ausencias 15%→<8% y ocupación >90% (horarios). Incluye análisis PESTEL y SWOT, una hoja de ruta de 24 meses, un plan de formación (600 empleados), gobernanza ético-legal (RGPD/LOPDGDD) y requisitos de interoperabilidad HIS/PACS (HL7 FHIR). La tesis propone una hoja de ruta replicable y un cuadro de puntuación equilibrado para monitorizar el valor clínico, operativo y de la experiencia del paciente. Fecha de defensa/aprobación: 13/05/2025. DOI: (añadir una vez acuñada en Zenodo).</p>